Kafka流式计算性能优化算法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12页 |
| 1.4 论文结构安排 | 第12-14页 |
| 第二章 相关理论知识 | 第14-21页 |
| 2.1 Kafka原理 | 第14-15页 |
| 2.2 流式计算介绍 | 第15-17页 |
| 2.3 Kafka热点问题介绍 | 第17页 |
| 2.4 Kafka性能优化技术 | 第17-20页 |
| 2.4.1 数据聚类技术 | 第18-19页 |
| 2.4.2 自适应性能调优技术 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 基于Kafka的生产者端性能优化算法研究 | 第21-33页 |
| 3.1 研究背景 | 第21页 |
| 3.2 生产者端聚类算法构建 | 第21-26页 |
| 3.2.1 算法总体设计 | 第22-23页 |
| 3.2.2 传感器依赖图生成算法 | 第23-25页 |
| 3.2.3 SDG聚类阶段 | 第25页 |
| 3.2.4 聚类结果分配阶段 | 第25-26页 |
| 3.3 实验与结果分析 | 第26-32页 |
| 3.3.1 实验环境设置 | 第26-29页 |
| 3.3.2 实验结果对比 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于Kafka的自适应性能调优算法研究 | 第33-48页 |
| 4.1 研究背景 | 第33-34页 |
| 4.2 自适应性能调优算法设计 | 第34-37页 |
| 4.2.1 问题建模 | 第34-35页 |
| 4.2.2 数据预处理 | 第35-37页 |
| 4.2.3 算法设计 | 第37页 |
| 4.3 自适应性能调优方法具体实现 | 第37-43页 |
| 4.3.1 高维数据加权采样技术 | 第38-41页 |
| 4.3.2 性能预测模型 | 第41-42页 |
| 4.3.3 ENLHS性能调优算法 | 第42-43页 |
| 4.4 实验与结果分析 | 第43-47页 |
| 4.4.1 实验环境设置 | 第43-44页 |
| 4.4.2 实验结果分析 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于Kafka的消息队列原型系统设计 | 第48-63页 |
| 5.1 应用场景描述 | 第48-49页 |
| 5.2 原型系统设计 | 第49-56页 |
| 5.2.1 总体架构设计 | 第49-50页 |
| 5.2.2 架构组件分析 | 第50-51页 |
| 5.2.3 主要模块设计 | 第51-56页 |
| 5.3 实验与结果分析 | 第56-61页 |
| 5.3.1 实验环境与设置 | 第57-59页 |
| 5.3.2 实验结果与分析 | 第59-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第69-70页 |
| 致谢 | 第70页 |
